[DL輪読会]Understanding deep learning requires rethinking generalization
•Download as PPTX, PDF•
7 likes•4,014 views
2017/2/17 Deep Learning JP: http://deeplearning.jp/seminar-2/
Recommended
More Related Content
What's hot
What's hot (20)
More from Deep Learning JP
More from Deep Learning JP (20)
Recently uploaded
Recently uploaded (7)
[DL輪読会]Understanding deep learning requires rethinking generalization
- 1. Understanding Deep Learning Requires Rethinking Generalization D3 Yusuke IWASAWA 1
- 2. 書誌情報 • ICLR2017 oral accepted • Rating9.5 (1st!!!) • Chiyuan Zhang, Samy Bengio, Moritz Harbd, Benjamin Recht, Oriol Vinyasls • MIT, Berkeley, Google Brain, DeepMindの混合 • 1st authorがGoogle Brainでインターンしてた時の研究 • Harbdさん，Rechtさんはそもそも汎化性能に関する研究をしている人っぽい • 反省：輪読して質問が出やすい系の論文じゃないかもしれない (じっくり考えないとよくわからない) 2
- 4. RQ: 良い汎化性能を達成する理由は? • 一般的なDLの問題設定：サンプル数 <<<< パラメタの数 • しかし，汎化性能は◎ • 一方で汎化性能の悪いNNを考えることも簡単 • 汎化性能の「良い」NNと「悪い」 NNを分けるのは何か？ “What is it then that distinguishes neural networks that generalize well from those that don’t?” 4
- 5. 汎化性能に関する従来指標 1. 仮説集合Hの複雑さ 1. VC dimension [Vapnik, 1998] 2. Rademacher complexity [Bartlett, 2003] 2. アルゴリズムAの安定性 1. Uniform stability [Mukherjee et al., 2002] 複雑なモデルの汎化性能の保証には正則化が必須である 5
- 6. 本論文の◯✕ ◯ DLの汎化性能が従来の理論的枠組みで説明できないこと ◯ DLが訓練データをすべて覚えているという実証結果 ◯ DLにおいて正則化が汎化性能に必須でも最重要でもないこと ◯ 2層のMLPが特定条件化でデータを完全に記憶できること ◯ SGDが暗黙的正則化として機能すること ✕ DLがなぜ汎化性能が良いかの統一的理解 ✕ DLの汎化性能をどうすれば高められるかの提案 6
- 7. 本発表の◯✕ ◯◯ DLの汎化性能が従来の理論的枠組みで説明できないこと ◯◯ DLが訓練データをすべて覚えているという実証結果 ◯◯ DLにおいて正則化が汎化性能に必須でも最重要でもないこと ◯✕ 2層のMLPが特定条件化でデータを完全に記憶できること ◯△ SGDが暗黙的正則化として機能すること ✕✕ DLがなぜ汎化性能が良いかの統一的理解 ✕✕ DLの汎化性能をどうすれば高められるかの提案 7
- 8. 実験1：無作為化テスト • 目的 • どのくらいのパラメタを持つNNが良いモデルなのか？ • 方法 • 無作為化テスト • 出力ラベルをランダムに変更したデータで学習 • （普通に考えるとランダム度合いを高めれば学習できないはず） • 結果 • 多くのモデルがランダムにしても100%の精度で学習 8
- 9. 実験1：検証方法 • 無作為化の方法 • 1. ラベルをランダムに変更する • 2. 入力をランダムに変更する (Random，Shuffle，Gaussian) • データセット • CIFAR10とImageNet • モデル • Inception v3、Alxexnet、MLPs • 詳細は付録A参照 9
- 12. 詳細設定・結果 1. 学習率のスケジューリングは行っていない 2. なんならハイパーパラメタも調整してない （Trueと同じ） 3. 適合し始めたらすぐ収束 （Trueよりは遅い） 4. 完全に（過）学習 5. 収束速度は True < Shuffle Pixel < Gaussian = Rand Pixel < Rand Label 6. ImageNetではtop-1が95.20%、top-5は99.14% • ※100万枚、1000カテゴリ、全部ランダムなラベルでの結果 12
- 13. 実験1から得られた示唆 • Radermacher complexity and VC-dimension • 仮説集合Hの複雑さの指標 • ランダムなラベルに対する予測精度の上界の期待値 • 今回の結果からRademacher complexityは1 =>何の上界も抑えない（DLは悪いモデルということになる） • Uniform stability • 訓練アルゴリズムAの安定性の指標 • ランダムに1つ事例を変えたときに結果がどう変わるか • データの性質を考慮していない？ 13
- 14. 実験2：正則化のオフ • 目的 • DLにおける正則化の効果の確認 • 方法 • 各モデルの正則化をオフにする 1. データ拡張 (Data augmentation) 2. 重み減衰 (Weight decay) 3. ドロップアウト (Dropout) 14
- 17. 実験2：結果詳細 • ImageNetでは正則化なくすとtop-1が18%低下 • Top-1: 59.80% • Top-5: 80.38% • ただし正則化なくても十分よい • vs.ランダム予測（0.1% in top-1） • vs. ILSCRC winner（83.6% in top-5） • ちなみにデータ拡張の効果が最も大きい • データ拡張のみでtop-1は72.95%まで向上 17
- 18. 実験3：暗黙的な正則化 • 暗黙的な正則化 • 副次的な効果として正則化的な効果を持つもの • 例1：早期終了 [Yao et al., 2007; Lin et al.,2016] • 例2：バッチ正規化 [Szegedy et al., 2015;He tet al., 2016] • 明示的な正則化 • 明示的に関数の複雑さを制限するもの • 例1：ドロップアウト • 例2：重み減衰 こちらの効果を検証 18
- 21. 実験1, 2, 3で得られた示唆 • モデル自体の複雑さではDLの汎化性能を評価できない • DLはランダムな訓練データにも完全に適合する（実験1） • 正則化は汎化性能を改善するが決定的でも必須でもない • 実験2: 明示的な正則化無しでも良い汎化性能 • 実験3: 早期終了やバッチ正規化の影響は軽微 結局何がDLの汎化性能を高めているのか？ 21
- 22. 仮説：SGDの利用による暗黙的正則化 • 5章に線形モデルでの説明が書いてある • ざっくりまとめると，SGDは暗黙的に正則化として機能する • フォーラム見ると議論あるのでそちらを参考にすると良いかも 22
- 24. まとめ • 主張 • DLの汎化性能は従来の枠組みで説明できない • サポート • DLはランダムな訓練データにもほぼ完璧にフィットする （データを完全に記憶している） • DLにおいて正則化は汎化性能を改善するが，正則化ゼロでも良い （モデル構造や学習方法などその他の部分に鍵がありそう） • 含まれないこと • 良い汎化性能を達成する方法，達成するための将来課題 24
- 25. • H：仮説集合 • h：仮説 • σ：ランダムなラベル • としたときに最も適合する仮説hの期待値 Rademacher complexity 25
- 26. VC次元 • 仮説集合に含まれる仮説が細部（Shatter）できる点の数 • Shatterとは，任意の2クラスに分類できること • 経験損失はVC次元で抑えられる 26
- 27. Uniform Stability • 訓練アルゴリズムAの安定性の指標 • ランダムに1つ事例を変えたときに結果がどう変わるか • データの性質を考慮していない？ 27
- 28. 関連研究 • [Hardt 2016] • Uniform stabilityに基づく分析 • => uniform stabilityはランダムなラベルと正しいラベルの結果を区別 できない • [Cybenko, 1989;Mhaskar, 1993]など • これらの研究は関数レベルの近似能力 • => 有限サンプルの近似能力を検証 28